PyTorch中的“视图”方法如何工作？_随笔

PyTorch中的“视图”方法如何工作？

视图功能旨在重塑张量。

说你有张量

import torcha = torch.range(1, 16)

是具有1到16（包括）的16个元素的张量。如果要重塑此张量以使其成为

4 x 4

张量，则可以使用

a = a.view(4, 4)

现在

将是

4 x 4

张量。请注意，在重塑后，元素总数必须保持不变。重塑张
a
到
3 x 5
张量是不恰当的。

参数-1是什么意思？

如果在某些情况下您不知道要多少行，但是确定了列数，则可以将其指定为-1。（ 请注意，您可以将其扩展到具有更大尺寸的张量。只有一个轴值可以为-1
）。这是一种告诉库的方法：“给我一个具有这么多列的张量，然后您就可以计算出实现此目的所需的适当行数”。

可以在上面给出的神经网络代码中看到。在

x =self.pool(F.relu(self.conv2(x)))

前进功能中的线之后，您将具有16深度特征图。您必须将其展平以将其分配给完全连接的层。因此，您告诉pytorch重塑所获得的张量，使其具有特定的列数，并告诉它自己决定行数。

在numpy和pytorch之间绘制相似之处，

view

类似于numpy的重塑功能。

欢迎分享，转载请注明来源：内存溢出

PyTorch中的“视图”方法如何工作？